最近由于研究方向的更换，接触到了目标检测（Object Detection）领域，觉得很有意思，并且阅读了该方向的相关经

研究生的三年即将过半，虽然刚开始来到DUT心有不甘，也曾自甘沉沦，但是我毕竟是我，没有能阻挡我的前进只有自己的心魔。我无

knn的基本原理： KNN是通过计算不同特征值之间的距离进行分类。 整体的思路是：如果一个样本在特征空间中的k个最相似(

几天前，OpenAI 通过官方博客宣布了「 全面转向 PyTorch」的消息，计划将自家平台的所有框架统一为 PyPyT

▲ 机器之心根据真实店铺照片生成的效果图，一度以为，这就是某个日漫番剧的截图 随手拍张照片，顺势转换为宫崎骏、新海诚等日

数据集：minist （我走的是本地读取） 数据集链接：https://pan.baidu.com/s/1o2faz60

1 VGG介绍 VGG全称是指牛津大学的Oxford Visual Geometry Group，该小组在2014年的I

tf.add_n([p1, p2, p3....])函数是实现一个列表的元素的相加。就是输入的对象是一个列表，列表里的元

前言：对于神经网络的理解，基础的是前向传播过程，重难点是反向的传播，无论是卷积神经网络还是循环神经网络，都是需要一定数学

1. 安装完Anaconda之后，打开 Anaconda Prompt 2. 在打开的面板中依次输入 conda cre

简单感知机是一个单层神经网络。它使用阈值激活函数，正如 Marvin Minsky 在论文中所证明的，它只能解决线性可分

大家好，我是章北海 Python是机器学习和深度学习的首选编程语言，但绝不是唯一。训练机器学习/深度学习模型并部署对外提

模型持久化的目的在于可以使模型训练后的结果重复使用，节省重复训练模型的时间。模型保存 train.Saver类是Tens

Keras介绍 Keras 是一个高级的Python 神经网络框架，其文档详。Keras 已经被添加到TensorFlo

说实话，当我第一次接触TensorFlow的优化器

TensorFlow更新模型变量。它能一次操作一个数据点，也可以一次操作大量数据。一个训练例子上的操作可能导致比较“古怪

使用tensorflow过程中，训练结束后我们需要用到模型文件。有时候，我们可能也需要用到别人训练好的模型，并在这个基础

遇到数据加载瓶颈别慌张我发现很多同学在使用TensorFlow训练模型时，总在数据加载环节卡壳。是像这种文件结构：dat

在TensorFlow里写代码时，总感觉参数的维度像是一道永远解不开的谜题。其实简单张量

Tensorflow是一个通过计算图的形式来表述计算的编程系统，计算图也叫数据流图，可以把计算图看做是一种有向图，Ten

主要内容 面向动态环境基于点的语义SLAM系统。ORB-SLAM2的动态环境扩展版本，面向单目，双目和RGB-D相机。具

目录 论文学习 摘要 介绍 相关研究 网络结构 超参设置 卷积核深度 C3D网络 sport-1M数据集上表现 网络可视

由于近年来虚拟个人助理的迅猛发展和深度学习算法的运用所带来的字词识别准确率的飞跃，自动语音识别 (ASR) 已经得到广泛

在从事深度学习过程中, 如果我们想训练一个类别非常多的分类器 (比如一个拥有巨大词汇库的语言模型), 正常的训练过程将非

电脑刚刚重做了系统，环境干净的一批，简单记录一下，如果哪里不对，请留言，我会予以修正。 参考： Ubuntu21.10下

一、函数式api tf.keras.Sequential 模型只适用于多层简单堆叠网络，不能表示复杂模型。 使用 Ker

一.概率学中的逆概率 什么是逆概率 我们肯定知道正概率，举个例子就是，箱子里有5个黑球5个白球，那你随机拿到黑球和白球的

优化器总结 机器学习中，有很多优化方法来试图寻找模型的最优解。比如神经网络中可以采取最基本的梯度下降法。 梯度下降法(G

reshape()的括号中所包含的参数有哪些呢？常见的写法有tf.reshape((28,28)): tf.reshap

神经网络（NeuralNetworks）是一种用训练数据拟合目标函数的黑箱模型，只要数据量足够大，它可以拟合出输入到输出

【说说AutoGraph机制】有时候我盯着代码写到一半就发懵了， Особенно遇到这种@tf.function装饰器

实验原理： RNN的网络结构及原理 RNNs包含输入单元(Input units)，输入集标记为{x0,x1,...,x

0. 环境 OS：Windows 10，64 bit； 显卡：NVIDIA GeForce GTX 1050Ti，显卡查

环境 mac catalina 10.15.1 为什么要从源代码编译？ 1 AVX2警告 如果直接“pip3 insta

一般对没有加激活函数的输出称为"Logits",softmax函数保证输出的和为1，从而使得在分类过程中让某个输出属于某

Unet——用于图像边缘检测，是FCN的改进 如上图是UNET的架构图，可以发现器输入图像和输出图像不一致，如果我们需要

在机器学习中可能会存在过拟合的问题，表现为在训练集上表现很好，但在测试集中表现不如训练集中的那么好。 图中黑色曲线是正常

你是不是也遇到过模型训练完重新加载报错的糟心事？这种无奈感在2026年的AI开发领域真的是家常便饭。打个比方说，就像刚做

背景 深度学习模型如何服务化是一个机器学习领域工程方面的热点，现在业内一个比较主流的做法是将模型和模型的服务环境做成do

1.1 概述 Tensor提供了大量的张量运算，基本上可以对标Numpy多维数组的运算，以支持对张量的各种复杂的运算。

最近，深度学习十分火热，之前，一直学习的传统的机器学习算法，所以，现在打算学习下深度学习。下面，参考了一些资料，以我自己

训练自己模型的三种方法 1、准备一个需要的模型（如：inception）,然后确定算法的框架，初始化参数都是随机的，准备

一、神经网络的实现过程 1、准备数据集，提取特征，作为输入喂给神经网络 2、搭建神经网络结构，从输入到输出 3、大量特征

1.线性模型求解方法 闭式解（closed-form）： 直接计算参数，从而使得训练数据可以很好的满足模型。 梯度下降（

1.云计算与边缘计算 1.1 云计算 云计算是一种利用互联网实现随时随地共享的计算设施，列入我们的物联网监控系统 我们需

每个神经元都必须有激活函数。它们为神经元提供了模拟复杂非线性数据集所必需的非线性特性。该函数取所有输入的加权和，进而生成

1、有了神经网络，为什么有CNN？ 如果全部使用神经网络，会导致权重过多，计算量增大，无法正常计算。 CNN个人理解为特

1、二话不说...

大家好，我是K同学啊，今天讲《深度学习100例》PyTorch版的第3个例子，前面一些例子主要还是以带大家了解PyTor

下面是 TensorFlow 中的优